使用紧凑型分水岭查找规则分割

分水岭变换通常用作许多分割算法的起点。 但是，如果没有明智地选择种子，它可能会产生非常不均匀的片段大小，这在后续分析中可能难以处理。

紧凑型分水岭变换通过优先考虑靠近正在考虑的像素的种子来解决这个问题。

这两个算法都实现在 skimage.segmentation.watershed() 函数中。 要使用紧凑形式，只需传递一个大于 0 的 compactness 值。

import numpy as np
from skimage import data, util, filters, color
from skimage.segmentation import watershed
import matplotlib.pyplot as plt

coins = data.coins()
edges = filters.sobel(coins)

grid = util.regular_grid(coins.shape, n_points=468)

seeds = np.zeros(coins.shape, dtype=int)
seeds[grid] = np.arange(seeds[grid].size).reshape(seeds[grid].shape) + 1

w0 = watershed(edges, seeds)
w1 = watershed(edges, seeds, compactness=0.01)

fig, (ax0, ax1) = plt.subplots(1, 2)

ax0.imshow(color.label2rgb(w0, coins, bg_label=-1))
ax0.set_title('Classical watershed')

ax1.imshow(color.label2rgb(w1, coins, bg_label=-1))
ax1.set_title('Compact watershed')

plt.show()